ok allora buongiorno giorno a tutti benvenuti a questo incontro dedicato alla parola chiave big data io sono diego giuliani sono ricercatori di statistica economica in questo dipartimento dipartimento che ci sta ospitando in questo momento il dipartimento di economia e management dell'università di trento quindi a nome non solo del festival dell'economia ma anche di questo dipartimento che vi do il benvenuto e vidi vi ringrazio per la vostra partecipazione che vedo numerosa nonostante siano pur sempre il 10 di domenica mattina di un week end festivo è caratterizzato anche dal dal bel tempo quindi grazie davvero di essere qui dunque questo incontro fa parte del ciclo di eventi organizzato dal festival dell'economia dedicati al alle parole chiave relative all'argomento di quest'anno lavoro tecnologia come già saprà chi ha già partecipato a questo festival nelle sue edizioni precedenti ad ogni edizione ogni anno in riferimento al tema l'argomento generale scelto vengono individuate alcune parole chiave alcuni termini notevoli diciamo che in qualche modo caratterizzano rappresentano descrivono l'argomento oggetto di interesse e poi vengono organizzati degli incontri per ciascuna parola chiave in cui chiediamo a un esperto testimone privilegiato di aiutarci a capire un po meglio questa parola approfondire questa parola dato l'argomento di quest'anno lavoro e tecnologia non potevamo non considerare non potevamo non annoverare fra le parole chiave la parola big data perché big data i big data sia nella loro accezione sia nella loro definizione di struttura infrastruttura tecnologica notevole e si sa anche come nuova e inedita e ricca fonte informativa sono stati negli ultimi anni uno dei principali fattori che hanno favorito lo sviluppo tecnologico recente da un lato b diventa hanno permesso sono stati tra i tagli ingredienti principali che hanno permesso notevoli avanzamenti notevoli innovazioni nel campo delle applicazioni sia industriali sia nel campo della ricerca è quantomeno in alcuni settori industriali hanno consentito alle imprese di innovare i propri processi produttivi e anche i propri processi gestionali che hanno favori hanno creato nuovi modi di interagire col mercato da parte le imprese naturalmente per poter utilizzare tra i big data in maniera utile ed efficace per poterli trattare processare sono necessarie delle competenze specifiche quindi in un certo senso di great hanno anche favorito hanno anche permesso la creazione e lo sviluppo di nuove competenze professionali e l'esigenza di nuove figure professionali quindi le ricadute dei big data sia sul sull'economia sia rispetto allo sviluppo tecnologico al lavoro sono state importanti fra l'altro è anche una parola ormai che si è diffusa moltissimo in maniera capillare in diversi ambiti in diversi settori fa credo che ormai faccia parte anche del linguaggio comune tuttavia però se da un lato è una parola che si è diffusa capillarmente velocemente anche una parola che forse si è diffusa in maniera un po disordinata nel senso che credo ad oggi non esiste una definizione univoca e condivisa di che cosa sono questi big data quindi per queste ragioni credo che sia quanto mai utile e interessante capirci un po di più esplorare approfondire un po meglio questa questa parola e le sue implicazioni abbiamo l'opportunità di avere con noi un esperto un testimone privilegiato diciamo così questa parola per dimostrarvi che non c'è persona più adatta ad aiutarci in questo vi cito solamente alcuni passaggi del suo notevole della sua notevole biografia ora il professore riccardo zecchina e ringrazio di essere qui a cui do il benvenuto ha lavorato per presso diverse università e centri di ricerca importanti attualmente è professore ordinario di fisica teorica presso l'istituto di data science dell'università bocconi di milano dove tiene insegnamenti di machine learning e computer sciences i suoi interessi di ricerca principali riguardano diverse tematiche tutte a cavallo tra la fisica statistica informatica la teoria dell'informazione in particolare attualmente si sta occupando sia degli aspetti teorici che algoritmici dell'apprendimento automatico del in precedenza è stato visiting scientist presso centri di ricerca della microsoft quindi ha lavorato sia ma gli aspetti più teorici ma anche agli aspetti applicativi vale la pena menzionare il fatto che nel 2016 è stato insignito del premio larsson sager per la fisica statistica teorica rilasciato dall american physical society e che hanno tenuto importanti finanziamenti dallo european jewish council quindi lascio la parola al professore che ringrazio nuovamente buongiorno pensavo che la relazione fosse in inglese però diciamo ho cambiato tutte le slide adesso sono in parte la prima dovrebbe essere tutto in italiano ci hanno cercato in due minuti di perché ne avevo una versione in italiano quindi se per caso dovesse essere qualche refuso perdonatemi ma ero convinto fosse in inglese allora big data attualmente avete un'idea delitti che cosa sono ci sono un sacco di tecnologie che forniscono dati il web è sorgente di dati così via però nel mondo reale non è che gli small d'età siano meno importanti un sacco di realtà hanno che fare con quantità di dati che non necessariamente sono astronomiche quindi in generale il vero problema è come sistra e informazioni dai dati in maniera automatica in maniera diciamo superhumans cioè in modo che gli umani non sono grado di fare perché c'è bisogno di tecniche particolari allora sostanzialmente quello che vorrei fare io se siete d'accordo in realtà parlare dei metodi che si usano per analizzare i big data e quindi chiarire con voi che cos'è l'intelligenza artificiale veramente quindi diciamo se noi questa mattina usciamo di qui venne un'idea chiara di che cos'è l'intelligenza artificiale è qui che viene applicata a punto e bidet tema e che lo strumento per restare in formazione secondo me se noi usciamo con idea chiara di che cos'è facciamo la cosa più utile perché intelligenza artificiale crea diciamo tutta una serie di conversazioni e di discussioni tra le persone che sono totalmente fuori luogo ci sono infondati c'è una pubblicità dei media spesso fuorviante e siccome queste tecniche influenzeranno la nostra vita a 360 gradi nel futuro è bene sapere di che cosa si parla quindi se voi siete d'accordo io proverei a raccontarvi e lo farei anche in modo abbastanza informale quindi se avete una domanda da fare fatela sia durante sia dopo ciò allora anzitutto quando parliamo di intelligenza artificiale intendiamo una marea di cose quindi l'intelligenza artificiale riguarda diciamo il processamento di immagini processamento della voce del testo la comprensione del linguaggio la data analytics l'ottimizzazione la robotica da una marea di cose tuttavia la stragrande maggioranza di questi di queste tematiche e esisteva già 20 anni fa trenta anni fa eppure ne parliamo solo oggi perché ne parliamo come dire abbondantemente solo oggi è la ragione perché solo negli ultimi anni è veramente successo qualcosa di rilevante di quantitativo ovvero negli ultimi anni è successo che alcune tecniche particolari hanno fatto dei progressi spettacolari e quindi questo ha cambiato i termini del discorso è questo che vorrei cercare di condividere con voi allora cominciamo a dire la cosa importante cominciare a dire che cosa non è intelligenza artificiale l'intelligenza tv allora non intelligente artificiali agli anni cinquanta touring organico l'inizio da computer science ebbene da allora la domanda era le macchine possono pensare forse avete sentito parlare il testi touring è un test che diciamo il cui fine discriminare tra un essere umano una macchina che è stato pensato appunto da touring negli anni 50 a quei tempi c'erano grandi dibattiti sulla logica sun la computazione così via ebbene l'intelligenza artificiale non è non riguarda le macchine pensanti cioè quella di oggi quando oggi parliamo intelligenza artificiale non stiamo parlando di questo non è stato fatto alcun progresso dagli anni 50 ad oggi in questa direzione quindi 2001 odissea nello spazio qualunque film abbiate in mente perché avete proiettato l'altro ieri sera qui al festival quella cosa non esiste non c'è non è stato fatto alcun progresso film molto carino ma 2001 dello spazio conteneva tantissime predizioni per esempio l'ipad c'era un ipad nel film e quello s'è avverato a un certo punto chi di voi se lo ricorda a un certo punto il computer riesce a leggere il labiale della persona d'accordo oggi si riesce a fare grazie a marcigliano quelle cose sono avverate ma quello che riguarda hal 9000 cioè il computer che a un certo punto decide di far fuori diciamo gli astronauti perché dovevano raggiungere l'obiettivo quello no ok proprio nulla è successo in quella direzione lì questo dovrebbe tranquillizzarvi se per caso se per caso io non sono spaventato neanche la guerra però in ogni caso questo crea ansia sappiate che qualunque cosa poi vi farò vedere alcuni anche sentire alcune cose che possono facilmente farvi credere che sta succedendo qualcosa mentre non sta succedendo niente da questo punto di vista però non è che stia succedendo cose meno interessanti stanno succedendo cose diverse allora in particolare va da te prima di costruire una qualunque macchina pensante cosa che non sappiamo fare dobbiamo costruire una macchina che in grado di prendere dei dati dall'esterno e dare un senso questi dati d'accordo e che impara dai dati stessi allora per gli animali per gli esseri umani questa è un'operazione estremamente naturale perché grazie all'evoluzione del loro sistema visivo e del loro cervello qualunque animale è in grado di osservare una scena identificare un oggetto di identificare un'anomalia perché altrimenti non so se il predatore che così quindi per noi diciamo animali questo è assolutamente facile invece storicamente per il computer queste sempre stato sostanzialmente impossibile quindi vorrei come dire mettere l'accento sul fatto che il progresso oggi consiste sostanzialmente nel saper estrarre informazioni dai dati punto e basta che è una precondizione per l'intelligenza artificiale ma non ha niente a che vedere con intelligenza attività nel suo senso originale quindi quando oggi parliamo intelligenza artificiale in realtà è un abuso di linguaggio mettiamoci d'accordo insomma quando oggi prendete la gente artificiale non ci riferiamo quella di turing e non ci riferiamo macchine pensanti ok quindi questo è la cosa allora le tecniche che vengono utilizzate oggi che poi cerco di descrivervi perché anche importante avere un'idea di come funzionano io lo farò senza nessuna formula però così siccome si può capire facciamolo insieme si ispirano al sistema visivo umano ma si ispirano solo da un idea adesso se voi vedete non so se questo sono laser si dovrebbe avere un vaso però va bene non importa comunque se voglio osservate vedete quel cervelletto che cela sopra vedete che c'è il bulbo oculare dove c'è la nostra retina e poi il segnale che arriva diciamo ai nostri occhi fa tutto un percorso interno al cervello un percorso un po contorto e passa attraverso diverse aree le diverse aree hanno funzioni diverse per esempio c'è un'aria b1 che identifica la presenza nell'immagine di linee verticali di linee oblique di cose di questo genere polare av2 fa cose più sofisticate e così via fino a corteccia intero temporale poi si arriva alla corte c'è ma di lino lì non capiamo niente diciamo quindi ecco le reti di sistemi l'intelligenza artificiale attuali che appunto di vaccino leoni attuali in qualche modo si ispirano a questo cioè sostanzialmente grazia scusa ecco perfetto ma forse ne avevo un tratto forse ce n'era uno foto grande qua perfetto ecco vedete qui c'è la retina poi il segnale va in quest'area prova acquistare ma in questa e così via voi vi chiederete ma che fa tutto questo giro ma quella rivoluzione no l'evoluzione mette le cose un po a caso perché come doveva trasformare una 500 in una ferrari senza mai spegnere motore dovete aggiungere pezzi quindi ecco ma è invece se noi dovessimo costruire da zero faremo una sequenza lineare di strati che processano l'informazione ed è quello che viene effettivamente fatto allora ripeto questo estremamente naturale per un umano è sempre stato difficile per un diciamo un computer allora queste sono le domande a cui mi piacerebbe rispondere che credo valga la pena tutto sommato di venire in cui vale la pena venire qui una domenica mattina con una puntualità che non ho mai visti qui tra via nonostante ci sia un bel tempo e così via cioè quindi che cosa vuole che cos'è che sta succedendo cos'è questo sono queste tecniche cosa vuol dire avere prestazioni super umane così ci capiamo una volta per tutte quando è successo è estremamente interessante perché tutto questo è successo 56 anni fa non è successo venti anni fa ma veramente ieri e poi magari qualcosa sul futuro questo l'assalto perché è una cosa tecnica allora prima di tutto prima di capire perché funzionano queste tecniche chiediamoci perché non funzionano le tecniche tradizionali come my computer non sono mai riusciti a riconoscere la presenza di un oggetto in un'immagine guardate io adesso parlano molto di immagini per il semplice motivo che noi siamo siamo degli animali visivi e crediamo le cose quando le vediamo ma in realtà voi potete tutto quello che ha detto dico vale per i dati in generale possono essere dati biomedicali possono essere dati industriali possono essere dati di qualunque tipo è però è più facile parlare di immagini allora se noi dovessimo scrivere un programma al calcolatore che identifica la presenza di un oggetto in un'immagine per esempio di una sedia cosa dovremmo fare scrivere delle linee di codice immaginate per un momento di essere degli ingegneri software e dei comandi del tipo se l'oggetto a quattro gambe e se ha un piano per sedersi e se a uno schienale bla bla bla allora è una sedia ok questo sarebbe l'approccio tradizionale e funziona d'accordo per questo esempio però già per questo esempio non funziona allora dovremmo fare dovremo tornare indietro modificare la linea 1 del programma dire a se a quattro gambe oppure 5 rotelle allora una sedia benissimo e allora proprio come la mettiamo voi capite che non c'è speranza di scrivere un codice che a priori codifichi tutti gli oggetti possibili queste sono alcuni esempi di sedie non so se la risoluzione permette di vederlo ed è assolutamente impossibile pensare di scrivere un programma che fa questo tipo di cose quindi in maniera molto diciamo elementare un po rozza però questa è la ragione di fondo per cui i computer hanno sempre fallito nel riconoscimento automatico di immagini con le varie eccetera eppure sappiamo bene che qualunque gatto è in grado di capire le crepe su quella lì è una serie ci passa sopra dormire insomma cioè quello di re deve essere possibile fare un'operazione di questo tipo dove sta il punto sta nel fatto che non dobbiamo pensare di definire a priori che cos'è l'oggetto ma dobbiamo imparare da esempi quindi machine learning oggi l'intelligenza artificiale oggi differisce della computer science tradizionale perché impara dagli esempi estrarre informazioni utili impara non solo questo impara soprattutto a capire a discriminare che cosa rilevante nei dati rispetto che cosa irrilevante e questa è l'operazione che ha veramente cambiato ci tornero so che ha cambiato la completamente l'approccio allora per capire come mai siamo arrivati oggi in queste condizioni bisogna fare mettere insieme un paio di elementi all 1 è la potenza di calcolo allora la potenza di calcolo è cambiata in modo vertiginoso negli ultimi dieci anni di peso cerco di spiegarmi qui c'è una sequenza di grandi cose negli anni venti i calcolatori non essere umani seconda guerra mondiale il primo computer enya che faceva 300 moltiplicazioni al secondo mio figlio più veloce 322 azioni veramente niente oggi ci si trova con di nel cloud con cluster di computer che possono raggiungere centinaia di migliaia cioè ma anche mi sembra che abbia 270 mila computer connessi in parallelo 270 mila computer connessi in parallelo ognuno dei quali contiene al proprio interno un oggettino che si chiama la gpu allora questo sembra una cosa da niente ma in realtà ha cambiato la storia diciamo di questo tipo di ricerche intorno agli anni 2005 l'industria dei videogame ha introdotto un particolare coprocessore che si chiama la graphic processing unit per chi ha dei figli sa che loro giocano al computer hanno questi giochi terrificanti con immagini molto belle e jeda per far correre questi giochi c'è bisogno di grandissimi potenze di calcolo infatti il computer hanno le stesse entro l anno un sacco con un sacco di energia e bene quindi senza volerlo le industrie elettroniche hanno prodotto co processori che si chiamano graphic processing unit estremamente potenti estremamente potenti che ci sarebbero delle piccole tecnicalità del tipo ogni tanto fanno qualche errore questi ma questi errori sono irrilevanti perché in un videogioco se anche un pixel ogni tanto viene salta salta non è grave e per quanto riguarda ma scendono in pure sono dei calcoli che possono tollerare dei piccoli errori quindi quello che è successo e che improvvisamente tutti i laboratori di ricerca e si sono trovati sul tavolo per un costo inferiore mille dollari una potenza di calcolo che che era perché scusate perché i ricercatori sono resi conto che possiamo usare queste questi processori per fare dei calcoli calcoli non mentono dettaglio ma potremo usarli per far simulazioni scientifiche quindi sono trovati sul tavolo per 800 dollari mille dollari una potenza di calcolo che era diciamo maggiore del computer più veloce esistente nell'anno 2000 non so se mi avevano il cray dell'anno 2000 è meno potente di un oggettino usato da un cagnetto come si dice in piemontese ma diciamo da un bambinetto questo guarda è una cosa molto importante in tutti laboratori del mondo ci si trova lì una potenza di calcolo incredibile questi oggetti sono 10 milioni di volte più potenti della workstation su cui ho fatto la tesi di laurea cioè stiamo parlando di un punto cruciale è che è distribuita questa potenza di calcolo non è concentrata nel centro di supercalcolo di los alamos no è sul tavolo i vostri figli e o degli studenti e dei ricercatori che per pochissimi soldi ovviamente ci sono i big data quindi adesso vi faccio un esempio di big data ma insomma ci sono infiniti e questo mi impressiona sempre molto il primo elemento grande potenza di calcolo secondo dati per poter imparare quindi i dati per esempio su facebook che ogni giorno vengono caricate circa 800 milioni di immagini se prendiamo tutti i social media arriviamo a 2 miliardi di immagine al giorno e su facebook entro 12 secondi dal momento in cui voi caricate l'immagine l'immagine viene presa e data in pasto a questi diciamo a questi queste macchine che imparano quindi quando voi caricati un'immagine state dando informazione che poi viene utilizzato vedremo come quando fate taggate qualcuno cioè quando dite che in una certa immagine c'è qualcuno quindi date un informazione specifica fatto un grande regalo facebook perché questo impara a riconoscere le persone impara a riconoscere gli oggetti e così via quindi capite che è impressionante 800 miliardi e 800 milioni 2 miliardi di immagini al giorno che vengono date in pasto queste macchine che imparano e vedremo le conseguenze di tutto questo naturalmente questo è vero in tanti altri campi in particolare nella medicina per esempio tutti i dati molecolari dna gene expression inediti insomma tutta quella che si chiama medicina personalizzata viene poi da dal fatto di aver tanti dati a disposizione che possono essere processati allora qui dovete portare un po di portare un po di pazienza allora che cos'è io quello che è successo e che sostanzialmente 56 anni fa una particolare tecnica del machine learning apprendimento automatico ha cambiato diciamo la situazione quindi l'apprendimento automatico ma ci non è fatto di tantissime tecniche diverse algoritmi diversi che vengono usati in contesti diversi però una di queste tecnologie in particolare ha portato una grandissima accelerazione e c'è un motivo perché ha raggiunto prestazioni super umane che definiremo la maniera opportuna allora io cerco di dirvi come funziona ok allora le tic network sono dei sistemi che ripeto ricordano un po la retina il sistema visivo umano immaginate che questo sia l'occhio quindi la retina l'informazione viene mandata qui a sinistra poi viene processata da sinistra verso destra attraverso tanti strati ogni strato diciamo è composto da tanti quelli che si chiamano neuroni artificiali sono delle unità che si comportano vagamente come un neurone biologico ma è solo un modo di dire un oggetto matematico in unità diciamo che si comporta vagamente come un neurone biologico ci sono tantissimi strati e poi alla fine c'è uno strato di uscita che dalla risposta che vi dice come la rete classifica l'input vi dice che cosa c'è in input quindi poi da te allora la cosa importante è sono questi i numeri li cioè allora i vari nodi vedete sono connessi da diciamo da parte delle connessioni appunto che possono essere forti o deboli immaginate che ogni connessione secondo un tubo cui può passare dell'acqua tu puoi essere grande e può essere piccolo quindi due nodi si possa influenzare molto influenzare poco allora il punto fondamentale è che il numero di connessioni di queste reti può tranquillamente raggiungere i 100 milioni quindi questo disegnato che ho fatto è una capocchia di spillo rispetto un campo da calcio per intenderci quindi quelle vere le reti vere che non posso disegnare sono oggetti mostruosi dal punto di vista quantitativo hanno un infinita in questo ricordano il nostro sistema anche anche in questo ricordo del nostro sistema visivo d'accordo allora quello che succede è che queste reti riescono ad apprendere da esempi allora qui non vorrebbe fatto qualche tentativo di rimettere sliding italiano per darsi che abbia fatto qualche qualche piccolo pasticcio però vedremo come i primi strati di queste reti imparano da esempi a estrarre le informazioni a decomporre l'input in componenti che poi sono utili per fare la classificazione per capire che cosa sono come dire i diversi strati si specializzano in compiti diversi i primi strati imparano a capire che cosa è rilevante nell hip perché magari l'input è disordinato rumoroso e così via sono dei dati complicati qualche modo semplificano i dati vi farò vedere come e gli ultimi strati li classificano ok va beh questa è una tipica risposta una slide capitata lì per caso ma questa come una di queste reti per esempio vede un'immagine in grado dopo che hai imparato vedremo come è in grado di prendere l'immagine di questo tipo di via in questa immagine c'è un tablet un bouquet di fiori una bottiglia d'acqua un bicchiere di acqua con un con ghiaccio e limone dentro e così via se un grado di fare delle cose incredibili vi faccio notare che per un non vedente quando naviga sul web quello che succede che c'è una voce che traduce ciò che è scritto ma nel momento in cui c'è un'immagine se c'è il silenzio assoluto adesso non è più così adesso attraverso queste tecniche è possibile leggere le immagini allora se guardate se riusciamo a capire questo possiamo che andare a casa oggi quindi diciamo come funziona l'apprendimento funziona in un modo in realtà abbastanza semplice l'idea è la seguente si mostra alla rete un esempio ovvero in input qua viene data per esempio una fotografia in output ci sono adesso qui oggi segnato solo 4 unità ma immaginate che ce ne siano mille diamo la fotografia per esempio di una sedia e abbiamo convenzionalmente deciso che uno di questi unità si deve accendere quando in input c'è una sedia quindi abbiamo tanti esempi in cui c'è un input e sappiamo quale deve essere la put all'apprendimento funziona così si da questo esempio di a di input e output cioè dobbiamo conoscere anche qual è la risposta dopodiché se la rete sbaglia cioè se la rete quando noi diamo questo in onda in output quello che noi vogliamo allora si modificano secondo un algoritmo automatico si modificano piano piano piano tutti diciamo l'intensità di tutte le connessioni varsi vanno a modificare le connessioni che si rendono un po più forti un po più deboli secondo un algoritmo che non vi sto specificare perché irrilevante il portale che capiamo che il processo di apprendimento avviene in questo modo se la rete sbaglia i milioni di parametri che caratterizzano le connessioni vengono modificati automaticamente dalla macchina cioè non siamo noi che li programmiamo della macchina che va a modificarli dopodiché si ripete questa operazione milioni di volte su milioni di esempi quindi quindi ci sono milioni di parametri milioni di volte su milioni di esempi capite perché c'è bisogno delle gpu c'è bisogno di questa grande potenza di calcolo perché poi è un oggi è una operazione pesante alla fine quando la rete ha imparato tutti gli esempi che noi abbiamo fornito a quel punto ci possiamo fermare e se i dati che abbiamo fornito sono sufficienti la rete in grado adesso di essere utilizzato per fare delle predizioni cioè noi possiamo dare alla rete in input un'immagine che non ha mai visto e in output questa ci dice che cos'è per esempio possiamo dare in input la sedia del designer e la rete ci dirà guardate che quella con altre proprietà e una sedia anche se è disegnata in modo un po strano ok è chiara l'idea quindi questo è questa quando pareva intelligenza artificiale questo è il proprio in estrema sintesi vedete che non ha niente a che vedere con hal 9000 o con qualunque computer pensante però però a che vedere col fatto di dare dei dati e capire cosa c'è dentro quindi è una precondizione molto molto importante qui allora questo naturalmente come vi dicevo i dati non necessariamente deve essere delle immagini non possono essere venire dalle scienze naturali dall'economia della medicina cioè voglio dire ripeto uso le immagini solo per semplicità e questo eletti sono persino capace di indovinare che questa è una sedia quindi sono in grado di generalizzare questo è un po la chiave di volta sono in grado di generalizzare ed esempi capire cose che noi non sapremmo codificare e va bè questo diciamo un'altra cosa che fanno queste reti come vi dicevo è che i diversi strati si specializzano in cose diverse per esempio i primi strati i vari nodi dei primi strati si attivano a seconda di caratteristiche molto particolari dell'input tipo non so semplici presente linee oblique linee orizzontali e così via e poi man mano che si va più all'interno negli strati più interni i vari nodi si attivano in corrispondenza di features sempre di caratteristiche sempre più sofisticate e voi capite che una volta che diciamo si arriva al punto di riuscire a decomporre l'impotante caratteristico del punto è facile combinare insieme e decidere di che cosa si tratta rende sugli farò vedere degli esempi allora solo per darvi come dire una data di riferimento la data di riferimento nel 2012 una di queste reti composta da 650mila da da 15 strati 650.000 neurone artificiali e circa 60 milioni di parametri ha sbaragliato il campo in una competizione internazionale dedicata al riconoscimento automatico di oggetti all'interno di immagini destando diciamo lo stupore e cambiando un po la storia in questo senso quello che è successo e che c'è un database che si chiama immagine che sono tutte immagini prese dal web è composto da 15 milioni di immagini e quello che è successo che il migliore algoritmo automatico riusciva a riconoscere circa il 75 per cento di questa immagine l'obiettivo è la seguente ci sono delle immagini ci sono degli oggetti all'interno delle immagini e queste reti devono riconoscere uno tra mille oggetti diversi lo scopo era verificare se all'interno dell'immagine c'era era presente un oggetto tra mille diversi progetti possibili gli algoritmi fino a quel punto riuscivano a fare questa operazione con un errore di circa il 26 per cento cioè non un granché tenete presente con umano fa il 5 per cento questa rete qua improvvisamente è passata dal 26 per cento al 15 per cento quindi c'è stato per tanti anni i progressi erano a livello della prima cifra decimale c'è niente improvvisamente c'è stato un salto e quindi i ricercatori sono resi conto che effettivamente stava succedendo qualcosa oggi queste reti sono riconoscono oggetti con un errore del 2,5 per cento cioè sono più affidabili degli umani però lì c'è stato il cambiamento poi è stato progressivo la cosa ma quindi 2012 se volete una data di riferimento questo è quindi capite sono sei anni fa niente allora questo è il punto fondamentale fino a qualche anno fa cioè 10 20 anni fa per riconoscere per trattarli informazione si procedeva nel modo seguente si prendeva presenta un'immagine se andava a verificare se nelle immagini erano presenti certe caratteristiche geometriche predefinite da noi e poi in base alla presenza di queste caratteristiche si prende una decisione provvedete questa questo blocco arancione un blocco umano cioè gli uomini decidono che cosa importante o no invece con con questi sistemi apprendimento automatico si apprende tutto non solo a classificare la wto ma anche a capire che cosa rilevante nell input e questo secondo me è la vera novità a prender le rappresentazioni interne dell'input e lascio a voi riflettere perché se ci pensate un po provate a fantasticare un po su questo vi rendete conto che straordinaria com'è come progresso queste reti sono in grado di capire che certe caratteristiche sono rilevanti e altre sono meno rilevanti rispetto al tas che il riconoscimento che devono fare qui neanche il processamento della decomposizione dell'input l'estrazione informazione e cambia radicalmente per esempio prendiamo una rete che qui ho disegnato a blocchi perché non posso disegnare 60 milioni di linee d'accordo e supponiamo di fornire questa qui una rete che viene addestrata su tutte le immagini prese dal web in questo famoso dataset che si chiama invece netta e supponiamo di fornire questa fotografia di new credo che si chiamino in africa eccetera allora questo successo fornite questa fotografia in input no in output quello che o salvate e che si accenderanno quei neuroni che corrispondono alla presenza di diciamo di alberi del mio di pianura del cielo insomma tutte le sedi caratteristiche però quello poi potete fare il seguente gioco le unità che si accendono e che vi dicono che sono presenti questi oggetti siccome sono dell'unità che possono variare tra 0 1 vi dico la probabilità che quindi possono essere 0 1 oppure giorno 99 insomma potete modificare l'input modificare in modo tale che la risposta che dalla rete sul l'inps sia totalmente certa cioè che in uscita vediamo o degli zeri o degli unici o totalmente attivi e totalmente disattivi quindi qualche modo creiamo quella che è l'immagine ideale per la rete ok un gioco che si può fare è questo quello che trovate allora voi capite guardando questa immagine che questa immaginata viene decomposto in tante caratteristiche geometriche chiaramente queste due immagini sono la stessa cosa lo vediamo nostri sfocate leggermente non riuscite più a distinguere però su questo e poi più facile fare operazioni perché è stata de composta ed è la rete che ha deciso di comporre in questo modo sia chiaro noi facciamo esattamente la stessa cosa nel nostro stemma visivo quindi non pensiamo che questo sia diciamo particolarmente brutto d'accordo quindi questo spero vi dia un'idea di che cosa fanno questi eretici imparano a prendere un input tra crede comporlo in cose che poi permettono in caratteristiche permettono la computazione allora per rim per cercare di capire come funziona questa cosa proviamo a dipingere un quadro allora un gruppo di ragazzi svedesi quando ha capito queste cose si è messo a parte una start up per dipingere automaticamente allora qual è l'idea ed è la seguente voi prendete la stessa rete che gli ho fatto vedere qua e vi ho detto i primi strati si occupa di estrarre le caratteristiche gli ultimi di fare la classificazione loro han detto benissimo abbiamo vedere che cosa succede qua e loro si sono accorti che ci sono tutta una serie di unità che si accendono in base alla caratteristiche cromatiche dell'input fatemi dire le caratteristiche stilistiche e altre che si accendono sulla base caratteristiche geometriche ok quindi si sono in maniera inaspettata accorti che queste reti erano in grado di distinguere tra un quadro di van gogh e uno di picasso per intenderci detto bene facciamo seguente gioco io presento la rete un quadro di van gogh vado a vedere quali sono le caratteristiche stilistiche che la rete mi dice che sono presenti e ne memorizzo dopo di che presenta una fotografia la mia fotografia preferita e vado a vedere quali sono le sue caratteristiche stilistiche e le sue caratteristiche geometriche codificate dalla rete a quel punto vado a modificare la fotografia in input in modo tale da preservare la geometria perché voglio che resti la stessa fotografia voglio che una casa resti una casa un fiume resti un fiume però vado a modificare modo tale che il cromatismo diventi uguale a quello di van gogh ok benissimo questi sono i risultati ora questo naturalmente kandinsky che è talmente astratto che è difficile diciamo ottenere qualcosa però non è neanche così male già questo è magnifico questo e munch e questo è il quadro di munch che corrisponde a quel paese della svezia ed è abbastanza bello è stato fatto un test il allora sto parlando già di quattro anni fa tre anni fa il 60 per cento delle persone non è in grado di distinguere tra un quadro reale è un quadro artificiale quindi siamo vicini a 50 per cento oggi probabilmente con i progressi più o meno saremo fifty fifty diciamo questo è il quadro di van gogh corrispondente quel paese e questo vi lascio indovinare e picasso dovete mettere sono molto belli e questo vi dice questa rete ha capito qualcosa effettivamente di come è strutturato l'input si possono fare delle cose molto più spettacolare dal punto di vista tecnologico si può prendere una foto di san francisco di giorno e dire bene adesso la voglio ambientata di nota chicago cioè voglio che san francisco abbia la stessa ambientazione che si osserva di sera in un'altra città ebbene si può fare perché forzando una fazione diciamo preservando in maniera rigida tutte le caratteristiche geometriche e quindi mantenendo la fotografia inalterata dal punto di vista geometrico si può effettivamente ottenere questo quindi immaginate voi girato un film al mattino ambientato al mattino poi vi accorgete che estremamente noiosa che sarebbe molto più interessante se fosse ambientato di sera poter passare attraverso questa roba avete il film ambientato di sera guardate che non c'era nessun sistema ma poi vedremo cosa molto più spettacolari comunque non era possibile farlo con altre tecniche bene come vi dicevo quindi queste reti imparano a fare cose abbastanza notevole quindi preso un immagine anzitutto la segmentano divisioni varie parti e poi per ogni parte vi dicono con quale probabilità all'interno di questo in questa scatola diciamo c'è un certo oggetto per esempio guardate qua in questa immagine qui naturale c'è una scena di casa di dice con probabilità appunto 997 c'è il 99,7 per cento secondo la rete dice un coltello ok e qui c'è una persona è così via dicendo naturalmente questa cosa si generalizza e questo è quello che sono i sistemi che tu minute prova sulle sento ed in casa allora io sui server in caso ho qualche dubbio ma non legato al riconoscimento delle immagini su quello non ho nessun dubbio sono altri problemi che nascono dal punto di vista visivo da riconoscere le varie situazioni non c'è nessun problema d'accordo questo è un set drive in casa che si trova a dover riconoscere una scena strana dove c'è un anatra che attraversa la strada inseguita da uno di sedia a rotelle ha creato una situazione assurda perché per diciamo allenare queste reti imparare da esempi anche a riconosce situazioni anomale no perchè se no diciamo non è che queste cose possono funzionare ecco questo vi dicevo è stata la rivoluzione cioè nel 2012 su questo database pazzesco che tra l'altro pubblico tutti lo possono utilizzare le reti che si chiama reti tip reti profonde improvvisamente sono passate da un 26 per cento terrore a un 16,4 da allora poi c'è stato un miglioramento continuo e adesso siamo al 2,6 per cento ci ormai le prestazioni di questi sistemi sono superiori quei degli umani in questa specifico tasca sia chiaro noi siamo molto più flessibili non c'e nessun paragone però su questo tasto c fico è così quindi questo è la cronologia degli eventi che secondo me vale la pena di sapere allora intorno al 2010 queste reti sono state utilizzate per la compressione del parlato allora già adesso potete quando dettate un messaggino non so chi di voi lo fa sta usando queste tecniche quindi la traduzione comprensione del parlato e traduzione parlato scritto è fatta nel 2012 c'è stato questo riconoscimento di oggetti specifici che ha fatto molta impressione nel 2003 si è cominciato utilizzare questi sistemi nelle diagnosi automatiche nel 2013 zuckerberg è andato alla conferenza più importante di machine learning e da lì è iniziato investire aperto laboratorio ovunque new york c'è un laboratorio straordinario aperto laboratorio ovunque tranne che in italia io a questa una cosa che mi manda in bestia cioè ci sono laboratori di facebook amazon microsoft ovunque tranne che in italia non mi stupisco diciamo comunque nel 2014 queste tecniche sono state utilizzate per la traduzione automatica la lingua lingua la testa a testa e poi tutta la serie altre cose vi faccio vedere di non sforare che sono abbastanza divertenti ecco allora adesso spero che diciamo spero che abbiamo visto che cosa sono questi oggetti avete un'idea avete capito che imparano da esempi con una modificazione progressiva dei loro parametri e che tutto automatico noi non interveniamo fare questo fino a quando dopo di che se i dati che forniamo quindi big data sono sufficienti queste rating parlano poi generalizzare già solo questo voglio dire vale penso vale una mattina spesa nel senso che almeno adesso capiamo che cos'è veramente l'intelligenza artificiale di cui stiamo parlando ok però stato fatto qualcosina in più ne vale la pena di vedere insieme allora nonostante aver cercare di capire questa slide che sono un pochettino complicata lo dico a voce una una cosa che hanno pensato di fare sempre il california è stata questa addestriamo una rete a distinguere tra immagini reali e immagini fasulle creiamo un discriminatore di realtà cioè voi presenta parliamo sempre di immagini questo poi vi ripeto vale per tutto noi presentiamo una foto ha preso da che abbiamo fatto non sono una valle qua e la rete deve riconoscere come un'immagine reale prendiamo una foto taroccata con photoshop e la rete deve imparare di rinnovare questa non è un'immagine reale quindi creiamo un discriminatore che in grado di riconoscere le caratteristiche statistiche le immagini naturali ok quindi la cosa che ci dice questo è vero questo è falso allora questo si può fare e queste letti riescono a farlo con precisione su un accuratezza superiore agli umani quindi sono meglio di noi nel capire se una cosa reale o fasulla benissimo molto utile ma a quel punto naturalmente non ci si ferma lì uno può dire adesso io faccio una un sistema una nuova rete che genera immagini partendo o da un'immagine a bassa risoluzione sono varie basi tecniche comunque genera immagini che il discriminatore non è in grado di discriminare cioè io creo una rete che cerca di fregare questo discriminatore di realtà se io riesco a ottenere questo ho creato un generatore di informazione che permette di creare immagini che ci sembrano del tutto naturale per esempio la super risoluzione funziona così cioè poi scattato una fotografia a bassa risoluzione fu un pochi pixel la data in pasto a questo generatore di immagini e questa è la riempie con ulteriori pixel e vi rende rende ad alta risoluzione perché sa ha capito quali sono le caratteristiche statistiche delle immagini naturali questa è una applicazione abbastanza divertente ma si può fare molto di più una volta che avete addestrato questo generatore presentate per esempio una fotografia di questa libreria e cancellate dell'informazione proprio cancellate un pezzo allora non è che la rete abbia mai visto questa fotografia quindi non è che la riconosce semplicemente la completa sulla base della propria conoscenza generale non è che storico e questo quello che succede oppure presentate questo volto lo complete questo modo questa persona non esiste ok oppure presentate una foto cancellate un pezzo di questa foto la rete lo completa in modo tale da aver costruire una fotografia che non ha a quell'oggetto all'interno ma è del tutto indistinguibile una naturale questo è un esempio impressionante voi prendete quel gazebo in alto a sinistra cancellate dei pezzi negli anni diversi algoritmi diciamo hanno tentato di completare l'immagine ma sempre con dei grossi difetti ora con usando queste reti di fine xix a completare l'immagine una maniera impressionante vi faccio vedere solo questo piccolo un pezzettino di questo piccolo filmato giusto per vedere le cose in interattivo lasciate la chance non entro nei dettagli di come funziona ma l'importante che capiamo che questi sono venti che hanno preso da esempio allora prendete questa fotografia cancellate ad arbitrio dopodiché tra la rete completa ma non perché era riconosciuta è perché sa ecco qui capite come funziona adesso cancellate la presenza di questo essere umano dietro queste sbarre allora la rete non può sapere che c'è un umano didietro d'accordo quindi quindi la completa in questo modo quindi questo si si presta e poi qui è uno ci si diverte a creare persone inesistenti che sono del tutto non so quale delle due più realistiche annunciamo si può andare ma adesso allora prima di concludere vorrei ancora parlare un aspetto che è molto famoso e molto importante cioè il rapporto tra algoritmi giochi come possono essere utilizzati questi sistemi nei giochi ma perché i giochi rappresentano l'interazione no quindi l'evoluzione quindi al di là del gioco di intense perché anche qui sono successe cose molto interessanti molto notevoli inaspettate allora voi di tutti vi ricordate diciamo meno di più giovani ma vi ricordate nel 97 ibm ha costruito un computer che si chiamava deep blue che ha battuto kasparov c'è un bellissimo the top di gasparro fu in cui racconta questa storia è quello che è successo allora se voi ci pensate bene non è stato così straordinario perché di fatto quando voi giocate a scacchi ogni volta e fate una mossa avete diciamo una ventina di alternative possibili sensate denti ok un grande numero però sostanzialmente è possibile costruire un algoritmo che esplora tutto l'albero decisionale del gioco perché ogni step avete 20 alternative quindi 20 x 20 permette però molti rami come dire sono rami secchi che non vale la pena di esplorare quindi è possibile costruire algoritmo che sostanzialmente immagini forza bruta in grado di trovare la strategia ottimale quindi francamente si è interessante ma fino a un certo punto perché va bè forza bruta un gioco diciamo che è un gioco banale anche se bisogna dire che questo di blu questo algoritmo aveva ancora delle componenti umane al proprio interno cioè la mossa iniziale il valore che dava le pedine così c'era una se di parametri che vengono decisi diciamo dal programmatore però al di là di questo dovreste avere forza bruta e va bene quindi questo è successo nel 97 adesso fino a qualche fino al 2010 si era tutti sicuri che questo gioco qui che si chiama il gol forse fuori dalla portata di qualunque computer il gioco del go e funziona così avete una scacchiera 19 per 19 avete di sasso i bianchi o neri due giocatori una volta che mettete un sassolino questo non si muove più quindi veramente banale è sostanzialmente quello che succede che quando un sasso di un colore circondato da sassi di un altro colore allora è bloccato catturato da quello dell'altro colore ok evince che arriva a controllare almeno 50 per cento della scacchiera questo è un gioco va detto così gioco antichissimo molto più antico degli scacchi ci sono classifiche rank i mondiali e così via il problema qual è che l'albero decisionale di questo gioco esplode in maniera esponenziale cioè ogni volta avete 300 possibilità diverse all'incirca ma non avete modo di dire questo è un ramo secco questo non è un ramo secco quindi dovete esplorare uno spazio di possibilità così ampio che non è possibile per un qualunque tipo di computer ma neanche non lo sarà possibile neanche fra tra cento anni fra mille anni la corda è un numero esponenziale non raggiungibile quindi bisogna si pensava che questo forse non attaccabile del computer allora una società una gruppo di giovani che si chiamava di mind e poi è stato acquisito da google ha messo in piedi un algoritmo in cui delle reti deep imparavano a indovinare le mosse come sulla base di in forma di esempi passati di partite giocate dagli umani e sulla base di partite giocate con altre reti ma questo non vuol dire esplorare tutte le possibilità vuol dire semplicemente di fare tante partite e mandare in qualche modo a stimare le mosse sulla base dell'auto di queste partite precedenti e questo è quello che è successo che prima ha battuto il campione europeo di go che era un coreano e in classifica era numero 650 quindi non un granché nella classifica mondiale e poi abbattuto l'isi doc ribera nei libri di storia e quindi come dire questo è stato un grandissimo grandissimo breakthru perché non sono strategie deterministiche è una forma di intuizione naturalmente nell'uovo non c'è non c'è da stupirsi evidente che queste macchine sono in grado di fare talmente tante partite con altre reti che diciamo è chiaro che diventeranno più bravi di noi nel momento in cui riescono a fare le cose quindi però non è una forma di intelligenza e semplicemente se vogliamo un fatto statistico la cosa che è abbastanza è stata notevole e che nel ottobre 2017 quindi non tanto tempo fa lo stesso gruppo che ha prodotto questo tipo di risultato è riuscito a far funzionare questi algoritmi senza l'utilizzo di alcune informazioni umana quindi senza prevedere mai degli esempi di partite giocate dagli umani ok e questo nuovo algoritmo abbattuto l'algoritmo precedente e quindi sono gioco del go ormai è dominio assoluto dopo di che noi contiamo giocare ago non è un problema è però capite che questo può avere tutta la serie di conseguenze in applicazioni adesso qui purtroppo c'è una cosa che vorrei saltare perché no ecco quindi faccio vedere solo una cosa rapidi accelerato credo 50 volte una roba così questo è l'algoritmo delle reti deep di queste reti moderne che gioca contro l'algoritmo di forza bruta cinque gli umani proprio non ci sono più e allora ve l'ho fatto molto veloce che diventa un po noioso se no ma il punto è questo i bianchi erano controllati dall'algoritmo di di blu che oggi si chiama starfish che potete mettere sul vostro cellulare ed è micidiale e iberi invece sono controllati da questo algoritmo intuitivo basato su reti che giocano tra di loro e bene l'algoritmo diciamo intuitivo è riuscito a battere l'algoritmo esaustivo per che l'algoritmo giusti mondo avevo ancora qualche componente umana tipo la mossa d'apertura il valore che dava le pedine l'ha fatto fuori quando le strategie magnifiche per chi di voi sa giocare a scacchi andate su youtube e vedete che cosa succede c'è questo in modo assolutamente creativo cioè il re che va all'attacco cosa che voi non fareste mai no ma è spesso giocando in sottonumero cioè si fa mangiare un sacco di pedine però riesce comunque a tenere sotto controllo la scacchiera e via e poi quindi ha vinto 100 a 0 nel senso che alcune le ha pareggiate oppure ha vinto questo è il caso in cui partiva con un handicap già partito con i neri comunque trovate su youtube ecco adesso vi faccio vedere un po di cose che vi spaventeranno di applicazioni moderne però è interessante perché così capite come non farvi ingannare allora vedete qui questo è uno studente solito studente che trovate a berkeley e che ha messo su un sistema diciamo di per fare per manipolare ritratti video che è basato su queste reti di perché guardate quello che fa guardate lui e guardate obama se guardate obama soprattutto no vedete che questo non è obama per davvero voglio dire è lui che controllava oppure questo qui che controlla quest'altro viso lo stesso vale per la voce vedete crescita a controllare tutte le espressioni facciali quindi chiaro che questa roba è un pochettino inquietante diciamo presenta aspetti molto divertente però in realtà non c'è nessuna forma di intelligenza di tutto questo è semplice tra l'altro qui non ho tempo di farlo vedere ma se per esempio questo diciamo l'attore facessi movimento eccessivo troppo rapido il sistema salta non ce la fa quindi funziona ma all'interno di certi margini però intanto se volete fare fare fare fare dire per esempio a tramp qualcosa di ragionevole potreste riuscire quindi e non vado oltre naturalmente ma ecco questo questo è veramente questo fa questo fa paura questo fa veramente paura se non se non state attenti su spero funzioni l'audio provate ascoltare questo ragazzo che fa una prenotazione a un ristorante come mai più e ancor di scena informativo friday default di spider chi è come tifo più cupo l'emissione a force dei mediani weiei and l'fbi libeccio fico e siamo ok ok ho solo 21 più lente ok bavaj ecco quello che la faceva faceva la telefonata era un computer era una di queste macchine e questi sono i due programmatori che poi sono dati a cena con quella prenotazione e allora questo fa abbastanza impressione no perché noi siamo abituati ad esso a sirio google assista in cui possiamo chiedere le cose ma non siamo abituati al fatto che si rici chiede delle cose d'accordo però di nuovo nonostante questa impressionante obiettivamente no perché sembra non essere umano fra pure le pause e le battutine e in realtà di nuovo funziona in un ristrettissimo dominio statistico cioè se non è che poi potete usare questo per comprare del pesce on line voglio dire no funziona per quel tipo di applicazione ci sono altre che servono per far le prenotazioni dalla pettinatrice naturalmente queste cose andranno avanti però funziona solo e sempre su base statistica ok quindi sono sempre forme non l'intelligenza nonostante ci sia molta cosmetica sopra e quindi ci facciano sembrare tutto estremamente ecco concludo dicendo quali sono i problemi aperti sono tanti problemi uno è che queste macchine devono imparare senza supervisione primo e secondo devono imparare a identificare le relazioni causa effetto nei dati sono cose che non sanno fare e quindi capite siamo molto distanti dall intelligenza in questo senso ci sono alcune indicazioni che trovo magnifiche che arrivano da come i bambini apprende no no per esempio cioè i bambini cosa fanno che nei primi mesi di vita si creano una sorta di mondo interno che rappresenta il loro mondo esterno voglio dire fino a 8 mesi un bambino non è in grado di non ha il concetto di gravità se voi mi fate vedere questa immagine con una macchina in a sospesa nel vuoto per lui del tutto normale se invece supera gli otto mesi la guardia dice ma come questa non corrisponde a quello che è la mia immagine di mondo cioè l'apprendimento avviene per un continuo di predizioni e verifiche rispetto a un modello del mondo esterno che uno si è creato e queste macchine non sono in grado di farlo voglio dire su questo giusto per divertirci questa questo rango a un suo modello di mondo lì c'è un bicchiere c'è un oggetto al proprio interno questo già più di otto mesi e l'uomo di fa uno scherzetto gli toglie l'oggetto del tuo bicchiere lui pensa che dentro bicchiere ci sia quell'oggetto quelli che glielo fa vedere e diceva qui il mio modello di mondo non funziona e si vede e ovviamente noi siamo infinitamente distanti da da da fare una risata di questo tipo d'accordo quindi concludo dicendo che questo tipo di tecniche servono per elaborarli informazione e le conseguenze sono io sono un fisico teorico mi interessa interessa la scienza e le applicazioni della scienza saranno enormi già adesso già adesso perché queste tecniche vengono usate diciamo un po in tutti i campi della biologia dell'economia dalle di cina del tuo in astrofisica dappertutto perché comunque abbiamo che fare con i big data e però innamorare vi chiedete una bisogno di queste tecniche punto poi ci sono tutta una serie di applicazioni di cui avete sentito parlare nel durante il festival e quindi non ho quasi voglia neanche di parlarne semplicemente perché non voglio quindi che sono un applicazione nel mondo del lavoro d'accordo che sono trasporti i robot per i servizi notate robot intelligenti non esistono sia chiaro faranno delle task molto specifiche punto e basta vedere un robottino che gira guardate tirato di una martellata non non succede niente non fu salute si invece no perché nella salute capite che per esempio se voi volete fare lo screening di massa di tumore al seno dovete realizzare milioni di mammografia ogni anno non avete i radiologi per fare quelle invece avete queste reti che sono in grado di identificare la presenza di anomalie maligne meglio dei radiologi ok e questo si può fare un problema di organizzazione basta naturalmente c'è il problema diciamo del mondo del lavoro che cambia ma diciamo non questo non non ho più tempo sono andato molto oltre il tempo necessario concludo sto dicendo che ci sono paesi questo diciamo il pil pro capite i paesi ricchi e qui c'è la frazione di lavori che ci si aspetta cambi non cambino radicalmente nei prossimi anni ovviamente i paesi ricchi run hanno tanti lavori che cambiano e l'italia si trova una situazione pessima perché ha un income più basso e tanti lavori che sono cambieranno naturalmente a norvegia invece si trova bene perché lo sa il petrolio quindi continueranno essere ricchi a prescindere e poi qui ci sono i paesi tipo la cina così via e la russia che stanno diventando sempre più ricchi e hanno una grande frazione di lavori che cambierà quindi questa è un po la la geopolitica e c'è il problema delle disuguaglianze perché tutto questo porta a una societa piu ricca ma porta anche un cambiamento del mondo del lavoro e quindi ci vuole una politica per gestire diciamo queste cose quindi per concludere l'intelligenza artificiale questo è dal 2001 di sullo spazio non è quella di turing l'intelligenza artificiale oggi è il potenziamento delle nostre capacità cognitive grazie sei minuti di tempo per domande e curiosità l'intelligenza artificiale talmente importante che sta generando la nuova corsa allo spazio questa volta non più fra stati uniti e russia ma fra stati uniti e cina vedi in questa battaglia per la supremazia mondiale l'europa cosa potrà fare gli converrà allearsi con gli stati uniti oppure gli converrà sfruttare la voglia della cina di di dominazione devo essere onesto che non so rispondere a questa domanda nel senso che io mi accontenterei che l'europa norma vorrei che l'europa non rimanesse indietro in generale nel nello sviluppo di queste tecniche al di là della corsa allo spazio di una cosa che per ragioni di tempo non ho fatto però che questa è che cosa dobbiamo insegnare ai nostri giovani perché siano protagonisti in questa era ok questo è la domanda realtà forse la cosa che veduto dire per prima su cui non so se si può progettare ancora comunque non c'è short mi dispiace deviare ma come dire è una domanda troppo specifica per che possa rispondere però il problema problema è che noi siamo indietro in italia modo particolare disastroso perché in italia per qualche ragione la computer science non si occupa di algoritmi cioè non si occupa delle cose che contano per ragioni storiche diciamo indietro allora per nell'era dell'informazione dei big data degli strumenti automatici del prendi me che cosa devono studiare gli studenti ebbene devono studiare fondamentali la matematica la fisica la computer science la biologia chimica l'economia tutto ciò che serve a modellizzare sistemi complessi perché va bene aumentare la sua capacità cognitive con questi strumenti ma dobbiamo avere gli strumenti per utilizzare queste informazioni per migliorare questi strumenti e questi sono i fondamentali quindi dobbiamo rafforzare diciamo gli strumenti metodologici dei nostri giovani senza fa di specializzare troppo in fretta perché queste cose cambiano molto rapidamente invece la costante è dovuta capacità di utilizzare queste nuove tecnologie quindi io i miei figli ai miei figli consiglio di non specializzarsi subito più avanti si in base alle proprie inclinazioni per carità però bisogna avere questi strumenti questa è una cosa molto importante secondo me motivo per cui per esempio boccone parte del nuovo corsi di laurea credo che anche qui si è partito cioè voglio dire in cui insegniamo proprio i fondamentali in più inseriamo queste cose però senza fondamentali si rischia di diventare delle scimmie tecnologiche che non servono a niente chiedo scusa ma non sono in grado di rispondere alle sue domande troppo specifica con questo niente questo è un dato un quadro che ho fotografato o berlino un'opera d'arte che ho fotografato berlino che la dimostrazione rigorosa che la musica fa parte della filosofia non lo so era una cosa strana ma per dire che insomma ci vuole una cultura ampia tra l'altro anche il ruolo della humanities in tutto questo diventa fondamentale no perché come dire non so se avete letto il libro di harari o modelli che vi consiglio di leggere voglio dire è chiaro che un mondo in cui che diventa sempre più virtuale quindi in cui c'è la realtà cognitiva che ci scambiamo come esseri umani e poi c'è la realtà fattuale bisogna avere una fortissima preparazione metodologica per non perdere diciamo la bussola per non per non cadere in un mondo di irrazionalità che non porta da nessuna parte veramente vabbè comunque prego sì abbiamo sentito parlare in questi giorni in altre conferenze di singolarità tecnologica che dovrebbe avvenire a metà del prossimo di questo secolo è collegata all intelligenza artificiale non ho capito bene se quella di 2001 odissea nello spazio verde scritto lei ci può dire due parole su questa cosa per quanti sforzi possiate fare per prevedere il futuro il futuro vi sorprenderà io non credo assolutamente a questa è una predizione totalmente inutile dal mio punto di vista più in tuta infondata perché non è stato fatto alcun progresso in quella direzione quindi secondo me lo dico dal mio punto di vista io come professore in questa cosa non la direi mai perché non siamo in grado di fare nessuna previsione a 10 anni figuriamoci a 40 e oltre tutto ripeto nella direzione dell'intelligenza artificiale non è stato fatto progresso quindi io francamente non vedo come si possa fare la petizione del genere primo secondo come la gestiamo questa evoluzione di questo processo siamo noi che costruiamo questi dispositivi quindi verranno costruiti in maniera sensata questi dispositivi vengono utilizzati il momento in cui non certe prestazioni statistiche che sono verificate non è che noi saliamo su una macchina sapendo che questa macchina altra proprietà di fare un incidente e dirò di più fino a quando e noi non saremo in grado di costruire macchine capaci di rispondere alla domande controfattuali cioè risponde in maniera automatica domande del tipo se io avessi fatto un'altra scelta cosa sarebbe successo noi non li utilizzeremo questi oggetti quindi insomma non lo so parliamo pure di quelli faccio degli esempi la fusione nucleare per le energie alternative sono 70 anni che viene fatta la predizione che nel giro di trent'anni la quanto un computation sono ormai 25 anni che ci parla che si paghi sono fisico teorico suo bene e quello di cui parla ok e così via cioè quello di non è che la scienza sia lastricata di predizione successi tipicamente non funziona così dopodiché non è che io lo escluda per carità però parlare di singolarità se notate poi una cosa io vi chiedo di provare a vedere se trovate un solo uno scienziato che c'è poi di queste che si occupa veramente di queste cose professionalmente che faranno predizioni del genere io non ho mai trovato uno sono sempre persone che sono all'esterno che non sono diciamo all'interno del lavoro di ricerca perché quando uno capisce quello che sta facendo capire quali sono i limiti problemi credo di avervi dimostrati quali sono i limiti sono oggetti relativamente semplice è impressionante la scala cui fa le cose grazie ai big da te grazie però quello dire stiamo parlando di oggetti che fanno comunque delle inferenze fanno le macchine statistiche per il momento è una precondizione per per fare dell'intelligenza artificiale vera ma non è stato fatto progresso quindi ognuno si migliora le responsabilità di quello che dice non domanda riguardo ai sistemi di apprendimento tutte queste reti sono apprendono per esempi poi ha accennato all'esistenza del dell'apprendimento non supervisionato la prima domanda è le reti che su cui si applica l'apprendimento non supervisionato sono strutturalmente simili o diversa la seconda domanda che è legata alla risposta che verrà data è questo eletti qui non ci dicono nulla sull'intelligenza umana sono dei super classificatori in un certo senso una rete che apprende in modo non supervisionato potrebbe dirci qualcosa interessante allora al momento l'apprendimento supervisionato non è fatto con queste reti fatte con sistemi molto più semplici quindi questo risponde possiamo entrare dettaglio tecnico ma magari ne parliamo a valle diciamo sono molto più semplici di quest'anno bisogna insegnare di feedback quindi il punto qual è poi potremo fare apprendimento supervisione non supervisionato quando avremo dei sistemi che possono che apprendono perché fanno in continuazione delle predizioni e verificano se loro predizioni sono vere o false questo sarebbe il meccanismo che ci sta dietro per poter fare quello che bisogno di un sistema che ha un proprio modello di mondo esterno che dice in questo mondo ios e agiscono certo modo mi aspetto questa questa reazione va da osservare quindi c'è un'interazione continua tra la macchina è la rappresentazione interna che l'amore che ha del mondo esterno e l'osservazione di cosa capita veramente perché noi in continuazione facciamo predizione che verifichiamo no poi le persone più ansiose come me pensano a ciò che avviene mille volte prima che avvengano in un continuo allora in questo senso ci sono non ci sono queste macchine si sta si stanno studiando hanno molti colleghi fanno questi i primi tentativi molto interessanti potrei raccontare però non adesso non ho tempo però ci sono questo è un fronte diciamo un fronte di ricerca interessantissimo certamente ci possono dire qualcosa su intelligenza umana nel senso che vi dicevo prima cioè così come i bambini nei primi anni di vita tra l'altro si chiama emanuel dupoux dopo ex ricercatore francese che si occupa di queste cose fanno lavori magnifici così come i bambini si crea una rappresentazione del mondo e poi imparano muoversi in questo mondo e in continuazione diciamo fanno proiezioni che verificano il linguaggio si prende così non è che si apprende perché il bambino ripete la parola che gli dice la mamma non è così quindi questo senso si ci potevano dire qualcosa però questo è secondo per la singolarità ecco questo è la corsa il piano piano forse fra 30 anni arriveremo a cominciare a capire come fare delle macchine che imparano a 10 anni non lo so predizioni e poi ripeto è uno sport perdente in genere però in questo senso si quindi se mettiamo i piedi per terra ed è molto interessante molto affascinante diciamo scusi si senta ieri ho sentito affermare da in un intervento da un relatore con forza che i big data non hanno nessun valore e non rappresentano il petrolio del xxi secolo si parlava di di web tax naturalmente lei cosa ne pensa che mi interessa ma non diciamo adesso se parliamo di valore economico valore di conoscenza non lo so cioè diciamo nel campo della conoscenza economico ma io non lo so senza dubbio gli algoritmi non hanno un valore cioè voglio dire i metodi sono conosciuti quindi di per sé non è che uno può proteggere la proprietà intellettuale degli album brevetta gli algoritmi non funziona tanto così la comunità è molto aperta quello che in molti campi qualcuno per proteggere sono i dati quindi i dati hanno un valore diciamo non so anche se adesso stiamo parlando un regime fiscale di nuovo io sono fisico tolgo non voglio andare oltre no però ci sono start up e ci sono piccole realtà perché la cosa interessante ad altro perché la ricerca in questo campo non è fatta solo da google o amazon questo genere ci sono anche piccoli gruppi che creano diciamo iniziative economicamente favorevoli utili usando i dati mi viene in mente un esempio che non so se c'è un gruppo di studenti di stanford si è messo all'incerto punto ho cominciato a fotografare della lattuga e insalata e ha cominciato a fare migliaia di fotografia notav eccetera quindi ha messo su un sistema di apprendimento automatico che permette di capire quando la lattuga bisogno di acqua quando ha bisogno di essere non so trattata dopodiché ha offerto questo prodotto ha i coltivatori americani gratuitamente con la condizione che loro però fornissero indietro delle nuove fotografie delle nuove informazioni si sono creati un dataset unico che quello sì e loro per cui sono in grado di fare un sistema automatico di controllo delle coltivazioni e quello a un suo onore e e google non lo può fare perché dovrebbe rifare tutto quanto quindi il dato ha valore per quanto riguarda sistema fiscale torno alla risposta di prima il web tax fiato il tassano amazon che ben venga cioè sta girando tutto quanto voglio dire chiaro che devono pagare le tasse insomma ci mancherebbe altro io trovo che sia del tutto ragionevole che a seattle abbiamo deciso di far pagare amato è chiaro che noi quando diamo informazione amazon facebook certo stiamo dando un contributo alla loro come quindi che loro restituiscano mi sembra del tutto ragionevole anche perché c'è questo problema della disuguaglianza della ricchezza che vale distribuita su qualche parte bisogna incominciare no quindi io così intuitivamente sono molto favorevole dopo di che ripeto non sono qui in veste di economista quindi se io devo fare una una migliore domanda e cioè non vorrei parlare di fantascienza ma secondo me noi partiamo da un presupposto sbagliato vogliamo umanizzare le macchine ma in realtà forse problema è che noi dovremmo cedere qualcosa noi alle macchine non potenziare a pensare solo le macchine e potenziale questo lo potremo fare quando noi avremo è ben chiaro il funzionamento del nostro corpo ed esso sia penalmente impossibile però secondo me noi pensiamo sempre a perfezionare le macchine a rendere qualcosa di perfetto ed indistruttibile il momento in cui noi vogliamo umanizzare le macchine siamo noi dobbiamo cedere qualcosa alle macchine certo avremo delle macchine imperfette forse se questo ma però se vogliamo umanizzare macchine abbiamo cedere anche è anche la nostra per insieme a infezione se si come dicevo famoso film nessuno è perfetto dice sì sì sono totalmente d'accordo ripeto l'intelligente attività re o artificiale oggi riguarda aumentare le nostre capacità cognitive e non creare macchine che diciamo si comportano in modo umano questo oggi è così in futuro quando capiremo meglio come funziona il sistema il cervello umano fondamentalmente noi vorremmo vorremmo questo però è chiaro che l'ambizione e l'immortalità no quindi chiaro che nel momento in cui noi riusciamo a creare una macchina che intese interfaccia con nostro col nostro cervello e attacchiamo e poi piano piano spegniamo il corpo e resta la macchina con la nostra coscienza lì dentro è chiaro che però insomma adesso questo voglio dire è una famosa parabola come dire di fantascienza però sono d'accordo noi non capiamo niente di come funziona il cervello niente al sud capiamo qualcosa sistema visivo di altre parti ma per il resto non capiamo niente quindi a maggior ragione la singolarità diciamo è molto lontana dal mio punto di vista quindi l'interazione tra i due ci deve essere c'è e non è un caso che comunque questi sistemi funzionino con del delle unità che assomigliano poi neuroni reali ci sono alcune analogie però siamo molto indietro siamo molto indietro la ringrazio molto per il suo intervento molto interessante dunque una domanda legata alla tematica del festival lavoro e tecnologia dunque lei nel suo intervento dice che le grandi company stanno investendo google facebook e in tutti quanti paesi ma non investono in italia e quindi questo è un male per il nostro paese dunque perché le ragioni sono nella politica nella ricerca nella scarsità di risorse insomma guardate senza nessuna polemica ma venisse messo ministro della distruzione insegnante di ginnastica abbiate pazienza cioè voglio dire e questo vale vale per tutta la storia dal dopoguerra a oggi non abbiamo mai avuto un ministro della ricerca decente 12 forse cioè se volete il ministro della ricerca tedesco è una matematica ma chi viene a vestire il nostro paese abbiate pazienza questo ovviamente toccato un tasto che mi fa stare male perché io sono in italia perché ho quattro figli qui alla famiglia complesso cioè i genitori anziani ma chi me lo fa fare li fa crescere i figli qua dove non sappiamo insegnare due cose decenti al liceo non lo sappiamo fare veramente nulla abbiamo un sistema scolastico bloccato da sempre insegniamo delle cose vecchie insegnanti non sanno fare due righe di programmazione non sanno insegnare la matematica non sia un tubo di niente eppure sono degli eroi perché vengono pagati niente io ho una grande ammirazione per lavoro che fanno però non sono messi nella condizione di noi investiamo niente in quello che è l'economia della conoscenza che è quella che conta dopodichè un paese irrazionale fa questo basta cioè dopodiché ognuno per le proprie scelte politiche però a prescindere scelte politiche ci sono c'è un muro davanti poi andiamo a sbattere o cerchiamo di girargli attorno noi ci stiamo andando a sbattere punto io sono un insegnante di matematica di un certo scusate ma ma ma per fortuna la mia domanda non riguarda solo una grandissima da insegnare alice mi diverto moltissimo trovato lo faccio vado in continuazione non è che ho sempre un apprezzamento particolare per i fisici e quindi no la mia domanda proprio l'avevo pensata prima di sentire questo ultimo intervento e il problema della sicurezza cioè noi abbiamo visto nella storia è la problematica grossissima dell'uso bellico della scelta delle adesso come ragioniamo da questo punto di vista cioè perché ci spaventa chiaramente quello che abbiamo visto ci spaventa però da un'altra parte potremmo pensare che invece la nostra sicurezza potrebbe essere aumentata da questo allora lei come la vede f3 innanzitutto volevo scusate è stata una reazione più in alto legata al modo in cui i politici trattano gli insegnanti ok non ce l'ho con insegnanti che per me sono degli eroi sociali cioè voglio dire tutti noi siamo preoccupatissimi degli insegnanti dei nostri figli ma chi di noi vota il partito che si occupa di migliorare lo stato dei professori nessuno non esiste partito ma voglio dire come concetto siamo tutti in ansia per la qualità dei nostri insegnanti ne parliamo in continuazione eppure poi quando si tratta di fa delle scelte ce ne freghiamo in maniera più assoluta e com'è possibile che un professore dice non abbia neanche un ufficio c'è ovviamente siamo dei livelli baretti comunque io sono totalmente solidale grandissima ammirazione litiga un po concerto in matematica di mia figlia ma questo è un caso particolare però questo questo non c'entra nulla con la grandissima ammirazione che riguarda la ricchezza alla sicurezza a parte lo ci sono due cose da un lato ovviamente questi sistemi vengono utilizzati per monitorare varie situazioni riconoscimento di facili terroristi viene già fatto i sensori che ci sono internet of things con tutti i sensori che ci sono circolazione permettono di controllare in maniera automatica tutto quello che succede voglio dire per avere una persona che sta davanti a un monitor che identifica situazioni anomale la possiamo fare in maniera automatica quindi questo da un lato però immagino che la domanda fosse riferita all uso bellico di questi strumenti allora militare si è allora non c'è dubbio che come qualunque tecnologia qualunque ci può essere utilizzo diciamo utile alla società ci può essere un utilizzo pericoloso bomba atomica è stata una vergogna dell'umanità il fatto che l'abbiamo buttata è stata una vergogna dell'umanità l'energia atomica è stata utile sarebbe ancora molto utile spiace dirlo perché continuare a parlare i cambiamenti climatici non rendersi conto che l'unica fonte di energia che non li produce energia nucleare potete pensarla come volete ma questi sono dati di fatto e razionale allora in ogni caso però è quindi c'è un po esse un utilizzo buono per dire uno cattivo senza dal mio punto di vista i vantaggi poi siamo in termini di salute in termini di educazione in termini di qualità delle città della vita c'era sono enormi primo secondo non si fermerà cioè non è che noi ferme fermeremo in alcun modo il processo conoscitivo ma è un po anche nella natura umana diciamo quindi non c'è non è che possiamo dire adesso ci fermiamo facciamo la decrescita felice blocchiamo la cultura avocava la conoscenza cioè non funziona il mondo così anche perché non è sotto controllo quindi ci sono laboratori in tutto il mondo quindi ora bisogna gestirlo ci vuole una classe politica consapevole quindi è per quello che per esempio il mio estremo piccolo vado spesso in giro a raccontare queste cose perché è importante che le persone sappiano di quello che stiamo parlando cioè questa è la cosa fondamentale sapere di quello di cui si sta parlando è fondamentale e importante che i giovani vengono educati per questo e così via che non siano diciamo processi chiusi un aspetto positivo della ricerca in questo campo e che viene fatta in tantissimi laboratori anche piccoli qui nella conoscenza viene abbastanza diffusa non è che è chiaro che poi google facebook hanno dei database che non abbiamo però non è che usano gli strumenti che noi non capiamo quindi da questo punto di vista è abbastanza rassicurante l'uso ovviamente se uno vuol fare il drone che va a colpire in maniera chirurgica una certa questo si fa cioè lo è già in funzione però non è diversa dalle altre tecnologie insomma se vogliamo è ancora di più però appunto su tanti vantaggi sono di più quindi è un problema politico diciamo etico politico così via insomma io vendo mandavo di contestualizzare un livello molto molto basso comprensibile anche per me io sto cercando di utilizzare la metodologia che ha detto su dati molto semplici sono dati economici finanziari pertanto nulla a che vedere con la complessità delle immagini tutto quello che ha fatto vedere in termini di metodi e strumenti per iniziare proprio dalla bici io sto utilizzando ma tra i vari turbo stima flash a suo avviso proprio per imparare ad allentarsi in questi questa avventura nella maniera forse più efficiente cosa consiglia lei proprio come strumenti software python python sì con tutti turbo di python è perché il linguaggio più leggiamo io consiglio due cose una è armarsi di pazienza e studiare una serie d di cose fondamentali che sono teoria di ottimizzazione e inferenza statistica queste due cose bisogna saperle in teoria perché così uno capisce tutta una serie di concetti capisce perché largo ritmi si bloccano non si bloccano quali che cosa lo si può aspettare che cos'è uno non si deve aspettare ma dall'altro dal punto di vista poi dell'utilizzo pratico python è molto diffuso perché ci sono un sacco di software open source molto molto potente uno può accedere al cloud e quindi con un costo che poi sono anche abbastanza ragionevole fare dei calcoli molto potenti uno si può costruire in casa dei centri di calcolo molto potenti usando le gpu per di attenzione non bisogna comprare le gpu per calcolo scientifico bisogna comprare quella per i giochi tanto per i machine da anni funziona lo stesso e costano diciamo un decimo delle altre e quindi uno con 10mila euro si trova a 5 mila euro si trova in house un diciamo dei potenti calcolo molto notevoli questo dipende dalle applicazioni poi per quanto riguarda l'applicazione finanziaria in particolare liquido stampo attenti perché leggevo un articolo poco tempo fa in cui facevano vedere cosa sarebbe successo se negli anni scorsi no io avessi avuto a disposizione questi strumenti per i finanziari molto interessante vedere il film certo punto questo avrebbe portato dai guadagni enormi da un certo punto in poi invece no perché perché si facciano cominciato utilizzare questi strumenti che gli stati inglobati nel mercato quindi diventa sempre più sottile quindi dire che cosa fanno per esempio a capital fu management oppure all'arena suns diciamo di giocano su proprietà del molto fini del tipo che il tempo è discreto fanno vedere insomma sono molto molto sofisticati i metodi molto specifici quindi dipende a quale livello uno vuole fare un po le cose grazie per molte informazioni io seguo intelligenza artificiale da un po di tempo e ho visto appunto che di per learning sta spopolando ma ci sono ancora dei campi di applicazioni dove i vecchi algoritmi di based alberi eccetera sono ancora più efficienti più adatti del tipler neuro al network oppure oppure siamo destinati che diventi quello l'unico algoritmo no no io ho citato quello perché è quello che ha cambiato l'impatto l'impatto cioè quello che ha stupito tutti è chiaro che se vuoi fare una sandra rincara la fai col e deep network però ci sono 16 i contesti per esempio small data cioè quando non hai tanti dati a disposizione in cui usi l'inferenza tradizionale le random force cioè degli alberi decisionali si utilizzano come in pratica si suoneranno un forrest no adesso questo è un discorso un pò tecnico che però diciamo perché sono tanto per cominciare sono il benchmark con cui confrontarsi e poi perché sono più semplici poi c'è il problema interpretabilità sono leggermente più semplici da interpretare anche se in realtà anche queste reti poi possono essere interpretate quindi assolutamente io insegno tutto ripeto machine learning è fatto di un insieme di tool che vanno conosciuti non è un solo tu e poi in continuo progresso di pleon è arrivata un certo livello però quei problemi che citavo prima dell'apprendimento super vice dell'influenza causale eccetera eccetera richiederanno nuovi modelli quindi fra dieci anni prevalemente a parte che chiameremo il diploma in modo diverso ma ci saranno altre tecniche e questo in qualche modo si costruiscono quindi non bisogna saper tutto non c'è dubbio grazie a voi della pazienza